當然，我們都聽說過至少一次人造智能，這個概念現在已經通過科幻書籍進入日常用語，而且越來越多地通過“簡單”的電影，電影和聯繫渠道“直接” 。我們中的一些人也最近聽說過“自動學習”，也許在“神經網絡”或“決策算法”演講中。

但是什麼是自動學習，它與人工智能有什麼關係？

那麼，自動學習或機器學習，只不過是一種特殊的人工智能，它為計算機提供了學習如何解決問題的能力，而無需專門為此而編程。也就是說，計算機學習如何通過數據行為，而不是（直接）從程序代碼。自動學習軟件不是為程序員為每個單獨的活動預先確定具體的決策過程，而是分析他已經在類似問題上可用的數據，並使用統計分析來定義概念模型;然後，將這些模板應用於新數據，以作出決定或作出預測。機器學習算法的“後面”技術被稱為“人造神經網絡”，它只不過是一個由自然神經網絡啟發的人造神經元組成的數學模型，實際上是一個大腦。顯然，對於自動學習算法的結果盡可能準確，可能來自不同來源的大量數據需要創造更廣泛的知識庫，最好地處理那些沒有過去人類的情況經驗。機器學習算法已經可用，但是自動應用的能力，並且快速地進行必要的，複雜的大數學運算計算只能從最近的時間開始。然而，一旦計算能力已經足夠，一直在蓬勃發展的應用程序，即使在他們的欽佩，已經成為或正在成為我們日常生活的一部分。

谷歌車，就是單車開車;
“有針對性”的在線提示，亞馬遜和Netflix網站的提示;
面部識別，允許Facebook（以及其他人）識別臉部並在圖片張貼在他們的個人資料上時自動標記它們的技術;
社會情報，即分析社會網絡上的發布和乾預的“情感內容”（對某些話題的積極，消極或中立的觀點）的能力，並得出結論;
虛擬Siri服務器，Cortana（和其他）在我們的智能手機上。

這些應用程序揭示了自動學習算法的所有功能以及實際效用，並揭示了這些工具如何已經成為或許在不知不覺中。我們現實中不斷的一部分。而且每一天，越來越多的消息還有新用途的消息。 Google通常通過其研究實驗室和創新項目來尋找新的應用。二月份，他發布了一個基於“pixellate”圖像的人造智能係統，成功地創造了原始攝影相當可靠的重建;在4月份，他宣布他的譯者通過人工智能算法提高了意大利語翻譯的準確性;始終在4月份，推出了一個門戶網站，使用自動學習算法來解釋對象的“草圖”或草圖，並用相同對象的準確和專業的圖紙“替換”它們。但最好的還是超越了。事實上，機器學習是一個強大的工具，其實力仍然要充分錶達，未來的使用不僅限於商業和商業服務。由於技術的不斷發展和計算能力的不斷提高，“自動學習”將能夠從發現與創新的手段中發展出來，並將在研究和科學等領域發揮越來越重要的作用。總而言之，利用機器學習的算法可以完全按照科學家和發明家的做法做，而且更好，更快。希望有一天，軟件將在這個時候解決不可替代的問題。也就是說，希望就是建立一個聰明的機器學習，使他能夠使用他的算法來治愈癌症或艾滋病等疾病。未來可能會令人驚訝，就是今天，也許我們甚至無法想像。